Navegando por Palavras-chave "Irradiância solar"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Estudo e aplicação de um método operacional para preenchimento de lacunas de dados em série temporal de radiação solar incidente na superfície
    (Universidade Federal de São Paulo, 2022-02-08) Gaspar, Fernando de Oliveira [UNIFESP]; Martins, Fernando Ramos [UNIFESP]; http://lattes.cnpq.br/9012359647335296; http://lattes.cnpq.br/9351991721277625; Universidade Federal de São Paulo (UNIFESP)
    A demanda global por fontes de energias limpas tem sido a motriz em investimentos das novas tecnologias para aproveitamento de energia solar como a Energia Solar Concentrada (CSP) devido a um bom desempenho energético e custo-benefício. Embora as medições em solo sofram com altos custos para aquisição de equipamentos, manutenção adequada e triagem de dados, e a possibilidade de perda de dados devido a problemas como degradação de sensores, desalinhamento, limpeza adequada e outros motivos, o uso de satélites para geração de dados sintéticos no preenchimento destas lacunas podem solucionar essas deficiências. Diversos modelos tem sido desenvolvidos para a síntese destes dados. O presente estudo tem como principal objetivo aplicação e a avaliação de um método numérico no preenchimento de lacunas nos dados solarimétricos em série temporal de dados observados em estações de superfície. A metodologia faz uso do código aberto com ponto de partida na biblioteca Pvlib. Modelo de céu claro de Ineichen foi adotado como referência para a metodologia. Os métodos de Reno e Inman foram utilizados para a identificação de condições de céu claro nas séries temporais. Os resultados mostraram que em situações onde a distribuição dos valores modelados e observados apresentam uma relação linear para condições de céu claro favorecem o preenchimento das lacunas em série temporal.
  • Imagem de Miniatura
    Item
    Acesso aberto (Open Access)
    Previsão de irradiância solar na região sudeste do Brasil empregando o modelo de mesoescala WRF ajustado por redes neurais artificiais (RNAS)
    (Universidade Federal de São Paulo (UNIFESP), 2018-06) Campos, Isabelle Sardinha Leonardo [UNIFESP]; Martins, Fernando Ramos [UNIFESP]; Lima, Francisco José Lopes de; http://lattes.cnpq.br/8300602270954491; http://lattes.cnpq.br/9012359647335296; http://lattes.cnpq.br/1604549914204182; Universidade Federal de São Paulo (UNIFESP)
    A irradiância solar é um recurso energético vital para a manutenção da vida no planeta e para atendimento de demandas relativas às atividades humanas, tais como agricultura, geração de eletricidade e produção de calor. A irradiância solar que incide sobre a superfície é de natureza variável, principalmente devido às nuvens e aos ciclos sazonais. Este trabalho tem como objetivo avaliar a capacidade de um modelo numérico mesoescala em simular a evolução dos processos atmosféricos na região Sudeste do Brasil de forma a possibilitar seu uso para previsão de irradiância solar quando acoplado com uma metodologia para refinamento estatístico para redução dos desvios sistemáticos inerentes ao modelo de mesoescala. Neste sentido, o estudo baseou-se no uso de Redes Neurais Artificiais (RNAs) alimentadas por variáveis meteorológicas fornecidas pelo o modelo de mesoescala WRF para horizontes de curto prazo: 24 horas, 48 horas e 72 horas. As variáveis de saída do modelo WRF foram empregadas como preditores em modelos de RNAs. Este trabalho utilizou dados de irradiância solar incidente na superfície observados durante o ano de 2013 em estações operadas pelo INMET. Diversos experimentos numéricos foram realizados para ajuste e definição do conjunto de preditores e configuração das redes neurais. Parâmetros estatísticos para avaliação de desvios foram adotados da metodologia de previsão para validação da metodologia empregada no estudo. Os resultados obtidos mostram que as RNAs são uma excelente alternativa para previsão de irradiância solar em toda a Região Sudeste, se destacando, sobretudo, para previsões de até 24h em dias de céu claro.